现有的安全控制辅助决策系统主要依靠专家多年经验总结的判决规则对运载火箭进行故障判决,这种判决方式对安控指挥员的经验与反应能力要求高,过分的依赖人工决策。而且,这种安全控制辅助决策系统,只能对运载火箭当前的飞行状态进行判别,不能对运载火箭飞行轨迹进行预测。本文设计的运载火箭飞行轨迹预测及状态监控系统是安全控制辅助决策系统的子系统,是在原来系统上的扩展。其主要完成对运载火箭当前飞行状态的监控和预测未来一段时间运载火箭的飞行轨迹,给安控指挥员提供辅助决策信息。本系统采用了B/S架构,主要分为状态监视模块、飞行状态分析模块、飞行轨迹预测模块。该系统也能够独立的完成相应的功能,与其他子系统也存在着紧密联系。对于运载火箭飞行状态监控需要解决的问题有:弹道数据存在野值且具有较强的非线性;现有的状态监控方法存在局限性;对状态监控有较高的准确性和实时性要求。本文建立了一种将最小二乘建模与肖维涅准则相结合的方法对弹道数据野值进行判别与填充。由于神经网络对非线性数据的拟合效果很好,所以研究了一种基于孪生神经网络的运载火箭飞行状态监控方法,该方法是根据运载火箭飞行状态标签来学习弹道数据之间的相似关系,与传统的相似性度量方法不同的是,该方法考虑了弹道数据特征对相似性的影响,然后根据运载火箭的理论弹道与实际弹道的相似程度和训练模型的阈值来判断运载火箭飞行状态是否正常,实验结果证明该方法具有较高的准确性和实时性。对于运载火箭飞行轨迹预测主要解决的问题有:弹道数据存在野值且具有较强的非线性;要对运载火箭飞行轨迹进行多步预测;对轨迹预测要求具有较高的准确性和实时性。针对弹道数据具有非线性的问题,神经网络可以很好的拟合非线性数据,而且神经网络可以实现多步预测,因此本文建立了基于Bi-LSTM神经网络的多步预测模型。通过该模型预测未来一段时间的运载火箭的飞行轨迹,当预测的运载火箭飞行轨迹超出安全管道后,系统判定飞行状态异常,从而给安控指挥员更多的决策时间,该方法具有较高的准确性和实时性。